Caracterización fenotípica y patofisiológica del síndrome de sensibilidad química múltiple (SQM) mediante nariz electrónica (eN).

Abstract

Introducción: La sensibilidad química múltiple (SQM) es una afección en la que los individuos presentan sintomatología muy variada e inespecífica como respuesta anómala a la exposición a productos químicos medioambientales en concentraciones no nocivas para el resto de la población, con una gran variedad de disruptores. La etiología de la SQM no está clara, de igual manera que no existen herramientas diagnósticas ni marcadores biológicos que confirmen la enfermedad. El diagnóstico es clínico. Actualmente no existe ningún tratamiento específico para la SQM. Se ha desarrollado un dispositivo electrónico llamado eNose, capaz de detectar los compuestos orgánicos volátiles (COV) en fluidos humanos, y obtener así más información sobre su estado fisiopatológico. Material y métodos: Estudio observacional transversal y retrospectivo de no intervención. Este trabajo es un estudio preliminar con 27 pacientes (de una muestra total de 52) con SQM atendidos en Medicina Interna en el HUSJ hasta abril de 2023. El Departamento de Ingeniería de la UMH ha desarrollado un nuevo instrumento electrónico de nariz de bajo costo, con el objetivo de maximizar la caracterización de gases volátiles liberados en medios biológicos. Se han recogido 27 muestras de orina de estos pacientes con SQM para su posterior procesado con este dispositivo (eN). Se ha utilizado el ACP (Análisis de Componentes Principales) para el análisis de datos. Se ha creado un modelo de clasificación, que junto a la tecnología de la eN, ha clasificado las muestras de orina en función de si pertenecían a un sujeto sano (control) o con SQM. Además, hemos empleado la técnica de análisis de cluster para establecer subgrupos. Resultados: Se incluyen 23 mujeres (85,2%) y 4 hombres (14,8%) con una media de edad de 53,26 ± 13 años (rango: 27-77) y 61,25 ± 9,4 años (rango: 54-75) respectivamente. De estos pacientes, únicamente 3 (11,1%) no presentaban comorbilidad, el resto (88,9%) tenían, además, fibromialgia o SFC. Un 55,6% de los pacientes asociaba ansiedad y un 40,7% depresión. La mayoría, un 76,9% relaciona los síntomas con sustancias químicas, un 65,4% refiere intolerancias alimentarias y el 53,8% lo atribuyó al Hg. El modelo de clasificación ha demostrado tener una precisión del 93,75%, una sensibilidad del 83% y una especificidad del 100%. El análisis de cluster ha diferenciado 2 subgrupos de pacientes con SQM. Conclusión: La clasificación de muestras ha demostrado un alto rendimiento, lo cual indica que el análisis de componentes principales de la orina podría ser una herramienta útil para el diagnóstico y seguimiento de pacientes con SQM, aunque es necesario realizar más estudios para confirmar estos hallazgos. De esta manera, la eN puede suponer un avance en la evaluación diagnóstica de pacientes con SQM, frente al cuestionario QEESI. Además, la eN podría diferenciar subgrupos de pacientes con SQM, y facilitar así un abordaje más dirigido e individualizado.

Introduction: Multiple chemical sensitivity (MCS) is a condition in which individuals present highly varied and non-specific symptoms as an abnormal response to exposure to environmental chemicals in concentrations that are not harmful to the rest of the population, with a wide variety of disruptors. The etiology of MCS is not clear, just as there are no diagnostic tools or biological markers to confirm the disease. The diagnosis is clinical. There is currently no specific treatment for MCS. An electronic device called eNose has been developed, capable of detecting volatile organic compounds (VOCs) in human fluids, thus obtaining more information about their pathophysiological status. Material and methods: Retrospective, transversal, non-intervention observational study. This work is a preliminary study with 27 patients (out of a total sample of 52) with MCS treated in Internal Medicine at the HUSJ until April 2023. The Engineering Department of the UMH has developed a new low-cost eNose instrument, with the aim of maximizing the characterization of volatile gases released in biological media. Twenty-seven urine samples have been collected from these MCS patients for further processing with this device (eN). PCA (Principal Component Analysis) has been used for data analysis. A classification model has been created, which together with the eN technology, has classified the urine samples according to whether they belonged to a healthy subject (control) or with MCS. In addition, we have used the cluster analysis technique to establish subgroups. Results: 23 women (85.2%) and 4 men (14.8%) were included with a mean age of 53.26 ± 13 years (range: 27-77) and 61.25 ± 9.4 years (range: 54-75) respectively. Of these patients, only 3 (11.1%) did not present comorbidity, the rest (88.9%) also had fibromyalgia or CFS. 55.6% of the patients associated anxiety and 40.7% depression. The majority, 76.9%, related the symptoms to chemical substances, 65.4% reported food intolerances and 53.8% attributed it to Hg. The classification model has been shown to have an accuracy of 93.75%, a sensitivity of 83%, and a specificity of 100%. The cluster analysis has differentiated 2 subgroups of patients with MCS. Conclusion: The classification of samples has shown a high performance, which indicates that urine principal component analysis could be a useful tool for the diagnosis and follow-up of patients with MCS, although more studies are necessary to confirm these findings. In this way, the eN may represent an advance in the diagnostic evaluation of patients with MCS, compared to the QEESI questionnaire. In addition, the eN could differentiate subgroups of patients with MCS, thus facilitating a more targeted and individualized approach.